विज्ञान हमेशा डेटा का विश्लेषण करके, पैटर्न का पता लगाकर और परिकल्पनाओं का परीक्षण करके आगे बढ़ा है। अधिकांश इतिहास के लिए, इसका अर्थ मनुष्य - प्रतिभाशाली, अथक मनुष्य - भारी सामान उठाना था। आज, एआई अब तक आविष्कार किया गया सबसे शक्तिशाली अनुसंधान सहायक बन रहा है, जो इतने बड़े पैमाने पर डेटा संसाधित करने में सक्षम है कि वैज्ञानिकों की कोई भी टीम कभी इसकी बराबरी नहीं कर सकती।
50 वर्षों से, जीव विज्ञान की सबसे बड़ी अनसुलझी समस्याओं में से एक प्रोटीन तह समस्या थी: एक प्रोटीन के अमीनो एसिड अनुक्रम को देखते हुए, इसके त्रि-आयामी आकार की भविष्यवाणी करें।
प्रोटीन सटीक आकार में मुड़ जाते हैं जो उनके कार्य को निर्धारित करते हैं - और गलत तरीके से मुड़े हुए प्रोटीन अल्जाइमर, पार्किंसंस और कैंसर जैसी बीमारियों से जुड़े होते हैं। प्रोटीन के आकार को समझना उन दवाओं को डिजाइन करने के लिए महत्वपूर्ण है जो इसके साथ परस्पर क्रिया करती हैं। लेकिन प्रयोगात्मक रूप से प्रोटीन की संरचना का निर्धारण करने में महीनों या वर्षों का समय लगता है और इसकी लागत सैकड़ों-हजारों पाउंड होती है।
2020 में, डीपमाइंड के अल्फाफोल्ड2 ने ज्यादातर मामलों में प्रयोगात्मक परिणामों से मेल खाते हुए, आश्चर्यजनक सटीकता के साथ इस समस्या को हल किया। 2022 तक, इसने 200 मिलियन से अधिक प्रोटीन की संरचनाओं की भविष्यवाणी की थी - जीव विज्ञान में लगभग हर ज्ञात प्रोटीन। संपूर्ण डेटाबेस मुफ़्त में जारी किया गया था।
दुनिया भर के शोधकर्ताओं ने तुरंत अल्फाफोल्ड का उपयोग शुरू कर दिया:
पृथ्वी की जलवायु आश्चर्यजनक जटिलता वाली एक प्रणाली है। महासागरीय धाराएँ, वायुमंडलीय रसायन विज्ञान, बर्फ की चादर की गतिशीलता और मानव उत्सर्जन सभी ऐसे तरीकों से परस्पर क्रिया करते हैं जिन्हें अनुकरण करने के लिए विशाल कम्प्यूटेशनल मॉडल की आवश्यकता होती है।
एआई कई प्रमुख तरीकों से जलवायु विज्ञान को बढ़ा रहा है:
Google डीपमाइंड का ग्राफकास्ट मॉडल, जो 2023 में जारी किया गया था, सर्वोत्तम पारंपरिक संख्यात्मक मॉडल की तुलना में 10-दिवसीय मौसम पूर्वानुमान अधिक सटीक रूप से तैयार करता है - और एक सुपर कंप्यूटर पर घंटों की तुलना में एक कंप्यूटर पर एक मिनट से भी कम समय में ऐसा करता है।
एआई सिस्टम दशकों के उपग्रह, महासागर सेंसर और वायुमंडलीय डेटा का विश्लेषण करते हैं:
साइन इन करें चर्चा में शामिल हों
नवीकरणीय ऊर्जा में परिवर्तन के लिए मांग के साथ परिवर्तनीय आपूर्ति (जब हवा चलती है, जब सूरज चमकता है) के मिलान की आवश्यकता होती है। एआई दोनों पूर्वानुमान लगाता है, जिससे ग्रिड ऑपरेटरों को सिस्टम को संतुलित करने और प्रदूषण फैलाने वाले बैकअप बिजली संयंत्रों की आवश्यकता को कम करने में मदद मिलती है।
एक नई दवा विकसित करने में आम तौर पर 10-15 साल लगते हैं और लागत एक अरब पाउंड से अधिक होती है। अधिकांश दवा अभ्यर्थी असफल हो जाते हैं। AI इस टाइमलाइन को नाटकीय रूप से संपीड़ित कर रहा है।
पारंपरिक औषधि खोज में शामिल हैं:
AI चरण 1-3 में अत्यधिक तेजी ला सकता है:
Traditional screening: test 1 million compounds in a lab over months
AI-assisted screening: score 100 million virtual compounds in hours
→ shortlist the top 100 for lab testing
इंसिलिको मेडिसिन और रिकर्सन फार्मास्यूटिकल्स जैसी कंपनियों ने वर्षों के बजाय महीनों में नवीन दवा उम्मीदवारों की पहचान करने के लिए एआई का उपयोग किया है। बेनेवोलेंटएआई ने महामारी की शुरुआत के कुछ दिनों के भीतर संभावित सीओवीआईडी -19 उपचार के रूप में बारिसिटिनिब की पहचान करने के लिए एआई का उपयोग किया - रूमेटोइड गठिया के लिए पहले से ही अनुमोदित दवा।
ब्रह्माण्ड किसी भी मानव टीम द्वारा संसाधित किए जा सकने वाले डेटा से अधिक डेटा उत्पन्न करता है। आधुनिक खगोल विज्ञान के लिए AI आवश्यक है:
नासा के केपलर टेलीस्कोप ने 150,000 तारों को छोटे धुंधलेपन की तलाश में देखा जो सामने से गुजरने वाले एक ग्रह का संकेत देता है। पुष्टि किए गए ग्रह देखे जाने पर प्रशिक्षित एक Google AI सिस्टम ने डेटा के माध्यम से खोज की और दो नए एक्सोप्लैनेट की खोज की, जो मानव समीक्षकों से छूट गए थे - जिसमें केप्लर -90 प्रणाली में आठवां ग्रह भी शामिल था, जिससे यह हमारे सौर मंडल के समान कई ग्रहों वाला पहला ज्ञात तारा बन गया।
आकाशगंगा M87 में ब्लैक होल की प्रसिद्ध 2019 छवि - पहली बार ली गई - केटी बोमन द्वारा विकसित एआई एल्गोरिदम द्वारा संभव बनाई गई थी, जिसने पूरे ग्रह में फैले आठ दूरबीनों से डेटा को एक सुसंगत छवि में संश्लेषित किया था।
नासा का दृढ़ता रोवर मंगल ग्रह की सतह पर अपने स्वयं के मार्गों की योजना बनाने के लिए एआई-संचालित स्वायत्त नेविगेशन का उपयोग करता है, और रेडियो संकेतों के पृथ्वी तक पहुंचने के लिए 20 मिनट इंतजार किए बिना खतरों से बचता है। इसका साथी हेलीकॉप्टर इनजेनिटी मंगल के पतले वातावरण में स्थिर रहने के लिए वास्तविक समय एआई का उपयोग करता है।
नई सामग्री ढूँढना - बेहतर बैटरी, मजबूत मिश्र धातु, अधिक कुशल सौर सेल - पारंपरिक रूप से एक श्रमसाध्य परीक्षण और त्रुटि प्रक्रिया रही है। एआई इसे बदल रहा है।
सामग्री परियोजना ने 140,000 से अधिक सामग्रियों के गुणों को कम्प्यूटेशनल रूप से मॉडल करने के लिए एआई का उपयोग किया है, किसी भी प्रयोगशाला में उन्हें बनाने से पहले उनकी स्थिरता, चालकता और अन्य विशेषताओं की भविष्यवाणी की है। शोधकर्ता डेटाबेस से उन सामग्रियों को खोजने के लिए क्वेरी कर सकते हैं जिनकी उन्हें आवश्यकता है।
माइक्रोसॉफ्ट का फनसर्च सिस्टम नई गणितीय संरचनाओं और एल्गोरिदम की खोज के लिए एआई का उपयोग करता है - यह दर्शाता है कि एआई शुद्ध गणित को भी आगे बढ़ा सकता है।
इन सभी सफलताओं में सामान्य सूत्र एक ही है: एआई डेटा में ऐसे पैमाने पर पैटर्न ढूंढ सकता है जो मानव शोधकर्ताओं के लिए बिल्कुल असंभव है।
विचार करें:
मनुष्य असाधारण पैटर्न-पहचानकर्ता हैं - लेकिन केवल उस सीमा के भीतर जो हम अपने दिमाग में रख सकते हैं। AI की ऐसी कोई सीमा नहीं है. यह सभी प्रकाशित तंत्रिका विज्ञान अनुसंधान के आउटपुट और दशकों के अंतराल पर लिखे गए पत्रों के बीच सतही कनेक्शन को संसाधित कर सकता है, जिस पर किसी भी व्यक्तिगत शोधकर्ता का कभी ध्यान नहीं जाएगा।
इसका मतलब यह नहीं है कि एआई वैज्ञानिकों की जगह ले लेता है। वैज्ञानिक अभी भी प्रश्न पूछते हैं, प्रयोगों को डिज़ाइन करते हैं, परिणामों की व्याख्या करते हैं और निर्णय लेते हैं कि क्या मायने रखता है। एआई वैज्ञानिक टूलकिट में अब तक जोड़ा गया सबसे शक्तिशाली उपकरण है।
डीपमाइंड के अल्फाफोल्ड2 की मुख्य उपलब्धि क्या थी?